JMPAI 试验设计统计平台 | AI 驱动
学习文章共 45 篇

析因设计方差分析怎么做:主效应与交互效应

方法教程更新于 2026-11-07约 4 分钟读完

析因设计方差分析怎么做:把两个因素的所有水平组合都做到,用多因素方差分析同时检验两个主效应和它们的交互效应,先看交互项,再决定主效应怎么解释。本站「多因素方差分析」按 Ⅲ 类平方和给出方差分析表、交互作用图和偏 η² 及其置信区间。

析因设计方差分析的数据要怎么排

以下结果来自本站演示数据(模拟生成,不代表真实研究结论):从 150 行演示数据里随机抽取 120 个观测,是 2×2 的析因结构,因素是温度水平(低温、高温)和压力水平(低压、高压),响应是产品得率(%);点 CTA 载入的是完整 150 行,数字会不同。方法说明见帮助文章多因素方差分析。

列名 类型 放进哪个区 说明
温度水平、压力水平 定类 「放入分组变量X」区 每个水平组合都要有观测,不允许有空单元格
产品得率(%) 定量 「放入因变量Y」区 每个单元格建议至少 5 到 10 个观测

析因设计方差分析怎么做

  1. 在本站方法列表里选「多因素方差分析」,上传数据。
  2. 两个因素放进「放入分组变量X」区,响应放进「放入因变量Y」区;载入演示数据后页面会自动放好。
  3. 需要两两比较时打开「是否进行事后多重比较」,「事后检验方法」本篇用 LSD。
  4. 点开始分析,报告给出前提检验、方差分析表、交互图、效应量与事后比较、结论五张卡。

主效应与交互效应在方差分析表里怎么看

前提都满足:残差 Shapiro-Wilk W=0.989,p=0.487;Levene 检验 1.585,p=0.197;没有空单元格,各单元格 n 在 25 到 35 之间。方差分析表(Ⅲ 类平方和)里,温度水平主效应 F(1, 116)=6.978,p=0.009,偏 η² 为 0.057;压力水平主效应 F(1, 116)=18.472,p<0.001,偏 η² 为 0.137;两者的交互项 F(1, 116)=10.643,p=0.001,偏 η² 为 0.084。

JMP 站报告页面截图:多因素方差分析表(输出结果二)

模型 R²=0.259,调整 R²=0.240,残差自由度 116。偏 η² 是扣掉其他效应后该效应能解释的比例,三个效应的 Cohen's f 与置信区间见下表。

三个效应的偏 η²、置信区间与 Cohen's f 对照表

各因素水平组合的均值与标准误柱状图

交互作用图怎么看

交互作用图的横轴是温度水平,每条折线是压力水平的一个水平,纵轴是单元格均值。四个单元格均值是:低温×低压 63.406,低温×高压 64.803,高温×低压 62.569,高温×高压 72.767。低温下两条折线几乎重合,高压只比低压高约 1.4 个百分点;高温下两点拉开到约 10 个百分点,两条折线明显不平行,与交互项显著一致。

折线交叉或斜率明显不同提示交互,但要与方差分析表对照,图形上不平行只有统计上显著才能下结论。

温度水平与压力水平的交互作用剖面折线图

交互显著之后主效应怎么办

交互显著时,主效应的两两比较可能有误导,应转向简单效应:在另一因素的每个水平下分别比较本因素各水平。报告里的 LSD 两两比较没有做多重性校正,低温与高温的均值差为 -3.563(p=0.009),低压与高压为 -5.797(p<0.01),这两个数是把另一个因素平均掉之后的结果,而交互图显示压力的作用主要出现在高温一侧,所以不能把压力水平的主效应当成对两个温度都成立的结论。

论文里怎么写析因设计方差分析

采用 2×2 被试间方差分析(Ⅲ 类平方和)检验温度水平、压力水平及其交互作用对产品得率的影响。温度水平主效应显著(F(1, 116)=6.978,p=0.009,偏 η²=0.057),压力水平主效应显著(F(1, 116)=18.472,偏 η²=0.137),二者交互作用显著(F(1, 116)=10.643,偏 η²=0.084),三项 p 均小于 0.01,模型 R²=0.259。交互作用显著,压力水平的作用主要出现在高温条件下,主效应需结合简单效应解释。

方差分析表和结论句可以直接誊进论文的结果部分。开通会员后可导出 Word / PDF 报告、使用 AI 解读。

析因设计方差分析常见错误

  • 交互显著还只解释主效应:主效应的平均意义会被掩盖,要做简单效应分析。
  • 有空单元格:Ⅲ 类平方和不可估计,交互项会退化或报错,设计时要保证每个水平组合都有观测。
  • 只报 p 值:要同时报偏 η² 及其 95% 置信区间与模型 R²。
  • 把方差分析当因果证据:除非水平由随机化分配,否则无法据此推断因果关系。

把本文方法用于生产质量评价时,还需先核对量测系统,再报告过程表现。下列已发布教程分别讨论量具重复性与再现性、过程能力报告,二者提供后续工作入口,并非本文试验结果的证明。

延伸阅读

常见问题

析因设计方差分析为什么要先看交互效应?

交互效应显著时,主效应的平均意义会被掩盖,应转向简单效应分析。演示数据交互项 F(1, 116)=10.643,显著:压力水平的作用在高温下约 10 个百分点,低温下只有约 1.4 个,不能只看两个主效应的结论。

主效应和交互效应的效应量怎么报告?

报告偏 η² 及其 95% 置信区间。演示数据温度水平、压力水平两个主效应与交互项的 Cohen's f 分别为 0.245、0.399 和 0.303,依次为小、中等、中等。

交互作用图上折线不平行一定有交互吗?

不一定。不平行只有在统计上显著时才能下结论,小样本下随机波动也会造成折线不平行的假象,要与方差分析表里交互项的 p 值对照。

同分类文章 · 方法教程

CPK怎么算:均值、标准差与规格限的计算JMP 测量系统分析 Gage R&R:%GRR 判定标准过程能力分析报告怎么写:指数表与直方图说明BBD实验设计怎么做:因子水平与试验表
回到学习文章,查看全部 45 篇 →